Análisis Numérico I (2013)

PRACTICA 4b A sean linealmente independientes o, dicho en forma

equivalente, que el rango de la matriz A sea n. En
Aproximación discreta de tal caso, es fácil ver que la matriz At A es simétrica y
mínimos cuadrados. definida positiva1 , con lo cual un método numérico
apropiado para resolver las ecuaciones normales es el
método de Choleski. Sin embargo, en la práctica, muy
Aproximación discreta por mínimos cuadra- a menudo las columnas de A son aproximadamente
dos. En general, los problemas que aparecen en la linealmente dependientes lo cual conduce a un sistema
ciencia nos enfrentan a la observación de cantidades de ecuaciones normales con una matriz mal condicio-
que cambian en el tiempo y/o el espacio. Suponga- nada. Por tal motivo resulta fundamental recurrir a
mos que este cambio puede ser modelado por una otra forma de resolución numérica del problema. En
relación matemática y(x) = f (c1 , . . . , cn ; x) donde x particular el método QR evita la formación de las
es el parámetro que describe el cambio y c1 , . . . , cn ecuaciones normales y garantizan la estabilidad de la
son n cantidades desconocidas, llamadas parámetros solución frente a los errores de redondeo. Este método
del modelo, cuyos valores queremos determinar. En se basa en la existencia de la factorización QR de la
particular consideremos el caso en que el modelo es matriz A m × n, cuando la misma es de rango n,
lineal en sus parámetros, esto es, la relación funcional
f es lineal respecto de los parámetros c1 , . . . , cn y por A = QR,
lo tanto puede expresarse como
n
siendo Q es una matriz m × n cuyas columnas son
X
f (c1 , . . . , cn ; x) = cj φj (x) una base ortonormal del espacio columna de A (con
j=1
lo cual Qt Q = In ) y R es una matriz cuadrada de
orden n triangular superior con elementos positivos
para n funciones φj (x) del parámetro x. Un conjunto sobre la diagonal. En tal caso las ecuaciones normales
de m observaciones de f proveerá de valores medidos toman la forma
yi afectados de errores i
(QR)t (QR) x = (QR)t b,
yi = y(xi ) + i
Xn es decir
= φj (xi )cj + i , i = 1, 2, . . . , m. Rt R x = Rt Qt b
j=1
y como R es no-singular, se obtiene R x = Qt b. Así,
Definiendo la matriz de diseño, m×n, A de elementos conocida la factorización QR de A, la solución de mí-
aij = φj (xi ), el vector de parámetros, n × 1, x de ele- nimos cuadrados resulta, pues, por sustitución hacia
mentos ci , el vector de medidas, m×1, b de elementos atrás del sistema triangular superior
yi , el vector de residuos, m × 1, r de elementos i ,
el conjunto de ecuaciones anteriores puede escribirse R x = b̂, b̂ = Qt b.
matricialmente como
La subrutina LA_GELS de la biblioteca de rutinas
A x + r = b.
Lapack95 efectúa este procedimiento para resolver el
Esta relación constituye nuestro modelo lineal de problema de mínimos cuadrados.
las observaciones. Si m ≥ n (más observaciones que La teoría anterior puede ser aplicada en particular
parámetros) se trata ahora determinar el conjunto de al caso en que la relación funcional del modelo lineal
parámetros x que satisfaga mejor, en algún sentido, sea un polinomio de grado a lo más (n − 1):
el modelo lineal. De acuerdo al método de mínimos
cuadrados, los estimadores de mínimos cuadrados de n
X
los parámetros son aquellos valores que minimizan la f (c1 , . . . , cn ; x) = cj xj−1 = c1 +c2 x+· · ·+cn xn−1 .
norma euclideana de los residuos j=1

1/2
krk2 = kb − A xk2 = rt r En este caso la matriz A tiene elementos aij = xj−1 i .
Los estimadores de mínimos cuadrados conducen así
Este requisito conduce a que la solución de mínimos al ajuste de los datos observacionales por un polinomio
cuadrados debe satisfacer las ecuaciones normales de mínimos cuadradados.
(At A) x = At b,
Ejercicio 1. Mostrar que la recta y = c1 + c2 x que
de donde se sigue que, cuando At A es no-singular, la ajusta por mínimos cuadrados (llamada recta de regre-
solución de mínimos cuadrados existe y es única. La sión) un conjunto de m datos (xi , yi ), i = 1, 2 . . . , m,
condición necesaria y suficiente para la existencia de
una solución única es que las columnas de la matriz 1 Esto es, xt Ax > 0 para todo x 6= 0.

Práctica 4b 1
 Análisis Numérico I (2013)

tiene por coeficientes Se quiere determinar los coeficientes a y b que mejor

Pm 2 Pm Pm Pm ajusten a los datos.
x yi − i=1 xi yi i=1 xi
c1 = i=1 i Pi=1 m m 2 , a) Explique porqué no puede aplicar directamente el
m i=1 x2i − ( i=1 xi )
P
método de mínimos cuadrados al ajuste propuesto.
Pm Pm Pm
m xi yi − i=1 xi i=1 yi
i=1 b) Considerando el logaritmo de la ecuación propues-
c2 = .
Pm Pm
m i=1 x2i − ( i=1 xi )
2 ta, determine los coeficientes a y b a partir de la recta
de mínimos cuadrados que ajusta al logaritmo de las
Ejercicio 2. Escribir un programa Fortran que calcu- medidas.
le los coeficientes del polinomio de mínimos cuadrados c) Utilice la rutina fit del programa gnuplot para
de grado g que ajusta a un conjunto dado de datos determinar el modelo no lineal original del problema.
(xi , yi ), i = 1, . . . , m (m ≥ n = g + 1). Indicación: Compare el resultado con el obtenido en el punto
Construya la matriz de diseño del problema y utilice anterior.
la subrutina LA_GELS de Lapack95 para resolver el
problema de mínimos cuadrados correspondiente.
Ejercicio 3. Determine los posibles polinomios de
mínimos cuadrados de distintos órdenes para el si-
guiente conjunto de datos. En base a sus resultados,
¿puede decidir cual es el polinomio apropiado para
representar el comportamiento de los datos experi-
mentales?

i xi yi
1 -0.9 81.0
2 -0.7 50.0
3 -0.5 35.0
4 -0.3 27.0
5 -0.1 26.0
6 0.1 60.0
7 0.3 106.0
8 0.5 189.0
9 0.7 318.0
10 0.9 520.0

Ejercicio 4. El nivel de agua del Mar del Norte está

determinado fundamentalmente por la denominada
marea M2 cuyo período es de alrededor de 12 horas
y su expresión aproximada es
2πt 2πt
H(t) = h0 + a1 sin + a2 cos
12 12
con t medido en horas. Hallar la expresión que ajusta
por mínimos cuadrados las siguientes mediciones.

i 1 2 3 4 5 6
ti 0 2 4 6 8 10
Hi 1.0 1.6 1.4 0.6 0.2 0.8

Mostrar que en este caso particular al formar las

ecuaciones normales At A es una matriz diagonal.
Ejercicio 5. Considere un ajuste de la forma y =
b eax para el conjunto de medidas dada en la siguiente
tabla.

x 1.00 1.25 1.50 1.75 2.00

y 5.10 5.79 6.53 7.45 8.46

Práctica 4b 2